大跨度桥梁健康监测目的是对构件状态和体系安全性进行实时评估,目前主要难度之一在于监测数据的不完备和不确定性。为此,以贝叶斯网络拓扑表示斜拉桥构形,将构件和体系定义为网络节点,结合力学分析、因果逻辑和贝叶斯推理实现安全评估流程,提出了一种基于混合型贝叶斯网络(Hybrid　Bayesian　Network,　HBN)的评估方法。首先,HBN节点变量包含荷载节点、索节点、主梁节点、桥塔节点以及体系节点;此外,其拓扑包含5个子拓扑的嵌套,并在此基础上,建立一种联合子结构的拓扑优化方法;然后,借助有限元生成用于条件概率学习的BN样本,其工况包括行车荷载与逐步断索两种,同时借助样本分布情况划分隐藏离散节点的状态;最后,利用斜拉桥模型和实际斜拉桥的算例对上述方法进行验证,结果表明该方法对索节点和大部分其余节点的评估可取得较高精度,同时体系节点评估结果对安全性能变化敏感有效。此外,在实际斜拉桥及时安全预警验证中,预警7个月后的检测结果发现严重损伤,验证了评估结果的有效性。